Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
Analyser og styringsdata på kommune og bydelsnivå
Hva er mulighetsområdet
Lars RønningAnalysesjef - Økonomi
Helse Sør-Øst RHF
3 delt «hverdag»;
• Analyse støtte til RHF/HF• Ansvarlig for samhandlingsdata i HSØ• Utvikling av datagrunnlag (Nasjonalt)
Analyse - eks Ringerike – Hypotese «utfordringer med liggedøgn/korridorpasienter» - 16 drivere
Samhandling – Bilde «Styringsdata samhandling» i HSØ
Datagrunnlag
Innhold presentasjon(diskusjon og spørsmål underveis)
• Strategisk perspektiv på anonymiserte data
• Datakilder og hierarkisk inndeling (Eie/»sørge for» dimensjoner)
• Utviklingsområder helsedatadata ned på kommunenivå
• Metadata - gullgraververktøy
• Anonymisering – et nødvendig gode
• Eksempler på anvendelse av anonyme data
Innhold presentasjon(diskusjon og spørsmål underveis)
• Strategisk perspektiv på anonymiserte data
• Datakilder og hierarkisk inndeling (Eie/»sørge for» dimensjoner)
• Utviklingsområder helsedatadata ned på kommunenivå
• Metadata - gullgraververktøy
• Anonymisering – et nødvendig gode
• Eksempler på anvendelse av anonyme data
«Datalagringsdirektivet» 7 strategiske hovedprinsipp
1.Felles platformfor ulike behov
2.Skille anonymiserte og
personsensitive data
3.Felles masterdata
(Nasj./regionalt)
4. Få vaskede /tilrettelagte data
Fra SP/NPR
6.Data bibliotek for dagens og
fremtidens behov
5. Unike HF løsningermed
felles rammer/basis
7. Standardisere «Prinsipper» – ikke IKT verktøy
«Datalagringsdirektivet» 7 strategiske hovedprinsipp
1.Felles platformfor ulike behov
2.Skille anonymiserte og
personsensitive data
3.Felles Masterdata (A/K)(Nasj./regionalt)
4. Få vaskede /tilrettelagte data
Fra SP/NPR
6.Data bibliotek for dagens og
fremtidens behov
5. Unike HF løsningermed
felles rammer/basis
7. Standardisere «Prinsipper» – ikke IKT verktøy
«Datalagringsdirektivet» 2. Skille lagring av personsensitive og anonymiserte data
• Noe av den bransjespesifikke utfordringen knyttet til lagring av data i helse er det sterke kravet til sikker håndtering av sensitive pasientdata
• Helsedirektoratet har utviklet prinsipper og løsninger for 100% anonymisering av tilnærmet big – data (strukturerte small-big data) som tar vare på mesteparten av informasjonselementet i datagrunnlaget tre hovedløsninger:• Anonymiserte data uttrekk (data fil) – NPR data nasjonalt • Loggført oppslag på ID (OUS) –• Cell security løsning (database løsninger) – Helsedirektoratet
• Løsninger som klart skiller mellom konsesjon og anonymiserte data kan lettere(billigere) og raskere etableres. Lavere risiko for uheldige hendelser.
«Datalagringsdirektivet» 3. Felles masterdata • Godt strukturerte masterdata er en forutsetning for å benytte
datagrunnlaget effektivt
• Sektoren en relativt ensrettet i forhold til kjernevirksomheten og har felles nasjonal rapportering innen de fleste områder (utvides stadig)
• Det finnes en rekke nasjonal masterdata innen aktivitet og HR
• Her har regionene en viktig rolle å spille som «leverandør» av masterdata til helseforetakene/andre aktører
• Det er etablert en felles samarbeid mellom
regionene og helsedirektoratet på
forvaltning av data og masterdata fra NPR
https://helsedirektoratet.no/Sider/Styringsdata-for-RHF.aspx
«Datalagringsdirektivet» 4. Tilrettelegging og vasking av data• De fleste som arbeider med å etablere dataløsninger ser at det er
betydelig arbeid (70-80%) i vasking, tilrettelegging og «merking» av råvare data før det kan brukes i produksjon av styringsinformasjon og konverteres til kunnskap
• Kan «kjøpe» ferdig tilrettelagte og vaskede data fra NPR der kalkulasjonsgrunnlaget er personsensitive data mens utleveringen kan være anonym• Eks . Reinnleggelser, Pakkeforløp eller andre måltall (UKP)
Innhold presentasjon(diskusjon og spørsmål underveis)
• Strategisk perspektiv på anonymiserte data
• Datakilder og hierarkisk inndeling (Eie/»sørge for» dimensjoner)
• Utviklingsområder helsedatadata ned på kommunenivå
• Metadata - gullgraververktøy
• Anonymisering – et nødvendig gode
• Eksempler på anvendelse av anonyme data
4 nivå for anonymiserte data - NPR
Nivå 1Agg. data HF nivå
Nivå 2Aggregerte data
Sykehus/institusjons nivå
Nivå 3Oppholds data – en linje per episode
HF nivå
Nivå 4Oppholds data – en linje per episode
Med steds ID (Resh)
4 Nivå for konsesjonsdata - NPR
Nivå 1HF nivå
Nivå 2Sykehus/institusjons nivå
Nivå 3Pasientdata –Unike pas ID/StedsID
Nivå 4/5Oppholds data – Unike ID/StedsID
En linje per episode
Filuttrekk NPR Nivå 1 Nivå 2 Nivå 3 Nivå 4 Nivå 5
Åpneanonymiserte data (nivå 2)
Ulike tjenesteområder Aggregertedata
HF nivå
Aggregerte data
Sykehusnivå eller StedsID
Episode data uten steds ID
Episode data med steds ID
Episode datamed
pasient ID
Somatikk aktivitet (N) (N)
PHV/TSB aktivitet (N) institusjon
Poliklinikk somatikk (R)
Reinnleggelser som. (N)
Avtalespesialister (N)
Poliklinikk PHV/TSB (R)
Døgn/dag somatikk planlagt
Ventetid - ventende Under arbeid (R)
Ventetid - Ny henviste Under arbeid (R)
Ventetid - avviklede Under arbeid (R)
Ventetid - avviste Under arbeid
Konsesjons data (nivå 4)
Konsesjon somatikk/rehab/Avt. spes
(N) (N) (N) (N)
Konsesjon PHV/TSB (N) (N) (N) (N)
Andre datakilder som kobles med aktivitetsdata
• SSB data – demografi/fremskrivning
• Avstandsdata sykehus/kommune
• Værdata (YR.NO)
• PLO data (Kostra)
• Lab/røntgen (ikke oppdatert)
Hierarki geografiske data– trad. inndeling – 3 nivå
..
Norge
Region
OpptaksområdeHelseforetak
Kommune
Hierarki – 7 mulige nivå
Mulighetsområde i datagrunnlaget ..
Norge
Region
Opptaksområde HF
Kommune
Sykehusområde
Opptaksområde sykehus
Bydel
Samarbeid kommuner
Brukespå samme nivå
Alternativinndeling
Kan sette opp automatisert «drill» funksjonalitet i hierarkiet
Oppdrag høst 2017 : Analyse«Lokalsykehus Notodden»
Reorganisering av Datagrunnlag fra NPR
51 sykehus-lokasjoner
med akuttfunksjon
49 lokaleopptaksområder
Et halvt års tid på å utvikleOg tilrettelegge datagrunnlag
Innhold presentasjon(diskusjon og spørsmål underveis)
• Strategisk perspektiv på anonymiserte data
• Datakilder og hierarkisk inndeling (Eie/»sørge for» dimensjoner)
• Utviklingsområder helsedatadata ned på kommunenivå
• Metadata - gullgraververktøy
• Anonymisering – et nødvendig gode
• Eksempler på anvendelse av anonyme data
Utviklingsområder nye datakilder ned på kommune/bydel
• Data fra KPR (anonyme/konsesjon)
• Tvang (anonyme/konsesjon)
• Pakkeforløp (anonyme)
• Dato/tidspunkt for prosedyrer/inngrep somatikk (konsesjon)
• 4 års unike pasient ID (har 2 år i dag)
Innhold presentasjon(diskusjon og spørsmål underveis)
• Strategisk perspektiv på anonymiserte data
• Datakilder og hierarkisk inndeling (Eie/»sørge for» dimensjoner)
• Utviklingsområder helsedatadata ned på kommunenivå
• Metadata - gullgraververktøy
• Anonymisering – et nødvendig gode
• Eksempler på anvendelse av anonyme data
Beskrivelse av PHV/TSB data (SQL tabell) og koblinger i Excel PowerPivotDatabase SQL //SDS of365SQL-01/NasjonaleNPRData
Oppdatert med 2. T 2015 tall
Type Feltnavn i txt fil fra NPR Kobling Koblet mot referansetabell
år Lagt til i SQL år
utmnd Koblet til referansetabell utmnd
tjeneste område Ref Tjenesteområde
institusjonsID Ref Institusjon PHV_TSB
pas_reg Ref Pasientregion
sykehusområde Ref Sykehusområde
opptaksområde Ref Opptaksområde
komnr_bydel Ref Kommune
sh_reg Ref Sykehusregion
hf Ref HF
ald_gr Ref Alder (NB bruk PHV/TSB)
omsorgsnivå Ref Omsorg
innmåteHast Ref Innmåte
fraSted Ref fra sted kort
tilSted Ref til sted kort
utskrivningsklar Ref UKP
debitor Ref Debitor
Ptakst Ref Ptakst
Tidspunkt_inn Ref_PHV_ Tid inn
Tidspunkt_ut Ref_PHV_Tid ut
Helg_Inn Ref_PHV_Helg inn
Helg_Ut Ref_PHV_Helg Ut
Overliggere Ref Overligger
Liggetidsgrp_PHV Ref PHV_Liggetidsgruppe
liggetid_sum Liggedager
utskrKlarTid_sum Liggetid UKP
utskrKlarOpphold_sum Opphold UKP
ant_opp Opphold
sum_Ptakst Ptakst
utskrivning_HF_sum Utskrivninger HF
utskrivninger_INST_sum Utskrivninger Inst
Tabell i SQL ; abo.aktivitet PHV_TSB 2013 - 2015
Tid
DimSkjulte felt - koblet med
tilhørende ref. tabell
Data
Tilgjengelig for alle på SIKTvia Filshare på SQL server
Hver av disse har en meta data tabell:«Referansetabell»
Ca 120 ulike referansetabeller
Svært viktig er Ref kommune som styrer gruppering avopptaksområder og innbyggere og kommune Sammenslåinger. Har ikke en historisk diemsjon
Egen oversikter over alle referanstabeller:Egen oversikt som beskriver alle datafelt i alle rapporter
REF kommune
ID Kommune nr/bydelsnr
Navn
Historisk navn (før sammenslåing)
Kommunegruppe KS
• Sykehusområde• Opptaksområde• Lokalt opptaksområde• Samarbeidsområde samhandling
Geo lokasjoner
Innbygger
Innbygger justertFor behovsindeks (Kun HSØ)
Innbygger nasjonal justering(samdata)
Analysenavet i bruk av kommunedata
Mulighet for nye grupperinger av kommune/bydel
..
Opptaksområder nivå:
Hovedstadsområdet (ny inndeling av delvis/hele 5 opptaksområder)- dekningsgrad
- forbruksrater- grunnlag for nye løsninger for arbeidsdeling mellom HF/sykehus
Eks. Urbane områder – HSØ 9 områder (18 i Norge)- ulik forbruksprofil- pasientstrømmer- BY VS LAND forbruksforsjekller- Reiseavstander
Kommune nivå:Sammenstilling av planlagte sammenslåtte kommuner
Innhold presentasjon(diskusjon og spørsmål underveis)
• Strategisk perspektiv på anonymiserte data
• Datakilder og hierarkisk inndeling (Eie/»sørge for» dimensjoner)
• Utviklingsområder helsedatadata ned på kommunenivå
• Metadata - gullgraververktøy
• Anonymisering – et nødvendig gode
• Eksempler på anvendelse av anonyme data
Anonymisering – et nødvendig «gode» ☺• Kan ikke lage løsninger som gir gode styringsdata til både «store og små»
• Bruker ofte «Bridge» prinsippet; spille «hånden» god
• Teknikker for å redusere grad av anonymisering • Volum (tidsserier)
• L12M
• Omfang av utvalg
• Gruppering av kommuner
• Pasientgrupper/klassifisering
• Bruk av rater/relative tallstørrelser
• 5 % er 100 % regel (for analyser/styringsdata) – for samlet datasett
Anonymisering – 3 tekniske løsninger som bruker samme prinsipp (mindre enn 5 for sensitive data)
• Rapport anonymisering
• Fil anonymisering (aggregering og sletting av data >5)
• Real time – anonymisering (filter)
Innhold presentasjon(diskusjon og spørsmål underveis)
• Strategisk perspektiv på anonymiserte data
• Datakilder og hierarkisk inndeling (Eie/»sørge for» dimensjoner)
• Utviklingsområder helsedatadata ned på kommunenivå
• Metadata - gullgraververktøy
• Anonymisering – et nødvendig gode
• Eksempler på anvendelse av anonyme data
Mulighetsområde
måltall
..
2 hovedtyper
Absolutte Relative
Metadata(behovsindeks)
Støtte data(SSB/kostra)
Sykehusdata
Kalkulerte• Reinnleggelser• UKP
Aktivitet• Opphold• Liggedøgn• DRG• Ventende• Nyhenviste
% vis mål Forhåndstall
• Poliklinikk andel• CM• Ø- hjelpsandel
• Liggetid• Ventetid• DRG indeks• DRG per henvisning
Per innbygger
Per 1 000 innb Per 1 000 innbJustert forbehovsindeks
Per 1000 innbyggerInnen aldersgrupper
Ulike måltall må visesUlikt og brukes i ulikeSammenhenger og viseen utfordring fra ulike siderEks. Kontroller SI HF
8. Kobling av data – 3 eksempler
Mulighetsområde i datagrunnlaget ..
Koblingsnøkler
Tid- Dato- Mnd- År
Sted- Kommune- Opptaksområde
Fag
Eks 1 Vær(YR) og Ø-hjelp
Dato
Eks 2 Avtale spes og pol. akt
Opptaksområde
Kommune
Eks 3 Henv. Rehab og akt privat rehab
MndMnd
Kommune
Fag
Kommune
Fag
Kobling av data – Avtale spes og pol. akt
Mulighetsområde i datagrunnlaget ..
Kobling av data – Avstand og Ø-hjelp
Mulighetsområde i datagrunnlaget ..
Visualisering med bruk av kart er effektivt
Mulighetsområde i datagrunnlaget ..
Kartløsning kan vise mønster og strukturer som ellers ikke dukker så tydelig frem
Henvisninger RehabiliteringPer 1 000 innbygger (J)
Forbruk av avtalespesialisterPer 1 000 innbygger (J)
Bruk av «eier» og kommune dimensjonen i kombinasjon - pasientstrøm
Mulighetsområde i datagrunnlaget ..
Bruk av OUS Kirurgiske DRG
Bruk av OUS Med DRG
9. Bruk av «eier» og kommune
Mulighetsområde i datagrunnlaget ..
Nyhenvistetelemarkingerunnen ortopeditil Betanienhospital
Bruk av «eier» og kommune dimensjonen i kombinasjon med institusjon
Mulighetsområde i datagrunnlaget ..
Opphold For innbyggere i Bærum på TSBinstitusjoner
Takk for meg ☺